ニューラルネットワークとは

導入

ディープラーニングの中心にあるのがニューラルネットワーク。人間の脳の神経細胞（ニューロン）のつながりに着想を得た仕組みです。

説明

ニューラルネットワークは、たくさんの小さな計算単位（ノード）を**層（レイヤー）**状に並べたものです。入力層から出力層へ、層を通るたびにデータが変換されていきます。

flowchart LR
  subgraph 入力層
    i1(( )); i2(( )); i3(( ))
  end
  subgraph 隠れ層
    h1(( )); h2(( )); h3(( )); h4(( ))
  end
  subgraph 出力層
    o1(( )); o2(( ))
  end
  i1 --> h1; i1 --> h2; i2 --> h2; i2 --> h3; i3 --> h3; i3 --> h4
  h1 --> o1; h2 --> o1; h3 --> o2; h4 --> o2

各つながりには重みという数値があり、学習とはこの膨大な重みを少しずつ調整する作業です。第2章の線形回帰で「傾きと切片を調整した」のと、根っこは同じ発想です。違いは規模――ディープラーニングでは層を深く重ね、重みが数百万〜数十億個にもなります。

**「ディープ（深い）」**とは、隠れ層をたくさん重ねることを指します。層が深いほど、単純な特徴（線・角）から複雑な特徴（目・顔）へと、段階的に高度なパターンを学べるようになります。これが画像認識などで威力を発揮する理由です。

この技術ができること

まとめ

• ニューラルネットワークは、ノードを層状に並べ、重みを調整して学ぶモデル。
• 層を深く重ねたものがディープラーニング。複雑なパターンを段階的に学べる。
• 学習の根本（数値を調整して誤差を減らす）は、これまで学んだ回帰と地続き。